最早的视频监控智能需求是能够实现视频监控的移动侦测报警，以减少对存储硬盘的需求数量。这一时期的智能是基于视频内容的变化对比进行检测的，解决了视频监控系统存储成本和监控有效性的问题。这类特性我们可以称之为“智能策略”。
随着网络摄像机的发展和应用，基于视频图像的报警布防需求被明确提出。在图像清晰的情况下，能够具体识别目标大小、位置、移动方向、移动速度等，结合视频中设置的坐标位置判断，从而产生告警信息。这类智能功能被演化为：绊线检测、入侵检测、遗留物检测、徘徊检测、人数统计等。这类智能能够满足在一些特定场景下的自动报警防范应用。这类智能特性我们可以称之为“基础行为智能”。
摄像机的智能功能在这一时期还有一个重要的发展分支就是智能交通摄像机，也就是我们在城市的道路上经常看到的车辆卡口摄像机和电子警察摄像机。早期车辆卡口摄像机最主要实现的就是对过往车辆的车牌识别功能。由于我国的车牌类型和格式比较统一，实现上主要识别有限的汉字、字母和数字。通过数学建模的方式实现准确的车牌字母识别。这类智能特性我们可以称之为“模式目标识别”。
随着高清网络摄像机的部署数量不断增加，每天产生大量的视频监控数据，这些数据如何搜索成为一个比较重要的问题。厂家提出的解决方案有两种，一种是采用后端服务器对视频图像进行智能分析，处理的方式包括：视频浓缩、机非人分离和机非人数据结构化等。另一种是在前端直接实现机非人分离和机非人数据结构化。通过前端对非结构化视频数据的结构化处理，为后端实现监控预警和快速检索提供了必要的条件，同时降低了对后端服务器的性能要求。这类智能特性我们可以称之为“结构化目标识别”。
从智能分类上来看，智能一直伴随着安防视频监控在不断成长。从其应用发展来看，智能策略解决视频监控效率的问题；基础行为智能解决了视频监控的事后搜索效率问题和事前预警问题；模式目标识别和结构化目标识别则进一步解决了精确目标的事前预警问题。
以目前比较热门的人脸抓拍摄像机为例，在道路、车站等公共场景下，人脸抓拍摄像机都需要进行额外的补光。原因是补光灯与摄像机之间需要有一个合理的角度，让光线能够均匀散开，从而得到更好效果的人脸抓拍图片。基于这一原理的需要，目前的人脸枪机形态显然不能满足，分离式安装又对工程施工的标准化带来很大难度。我们大胆的想象一下，这类摄像机的形态未来可能不是枪型的，而会演变为长方形，或者更像我们现在的警灯，甚至直接就隐藏在横杆内形成一体化的安装方式。
还以人脸抓拍摄像机为例，应用在门禁上，用于管控人员出入。在该类应用场景下，可以要求用户对摄像机抓拍图像进行配合，为了能够实现更好的配合，需要提供一个显示屏用于提示用户是否站对位置并被正确识别。在严格的环境中，甚至可以要求人员配合相应的动作，以避免仿照。在这样的应用场景下，摄像机的形态显然已经不能是传统的枪、筒、半、球等形态。它的形态应该更加类似于平板电脑，只是摄像机采用的是专业的网络摄像机技术。
除了在产品形态上会发生较大的变化外，摄像机的图像评价方式或许也会发生一些变化。依然以人脸抓拍摄像机为例，传统的摄像机清晰度指标主要关注整体画面和静态情况下的图像清晰度，一般测试会采用测试卡静止放置的情况下读取线数的方法。这类评价方法在人脸抓拍摄像机上似乎不是很适应。因为在人脸抓拍应用中，我们不再关心整体的画面清晰度，而是关注于目标人脸的清晰度及其在运动情况下抓拍呈现的效果。从技术角度讲，人脸抓拍摄像机的清晰度评价指标应该是运动人脸的五官辨识程度或者是运动条件下的目标清晰度。
閱讀更多 泰戈爾電子設備 的文章
